USFD：基于漂移补偿与关联数据的Twitter命名实体识别
计算与语言
2015-11-11 v1
摘要
本文描述了一个用于Twitter的试点NER（命名实体识别）系统，即USFD系统参与W-NUT 2015 NER共享任务的条目。目标是利用十种类型的清单，正确标注推文数据集中的实体。我们采用结构化学习，借助取自关联数据（Linked Data）的地名词典以及无监督聚类特征，并尝试补偿风格与主题漂移——这是社交媒体文本中的一个关键挑战。我们的结果具有竞争力；我们提供了对方法论各组成部分的分析，以及在该任务背景下对目标数据集的考察。
引用
@article{arxiv.1511.03088,
title = {USFD: Twitter NER with Drift Compensation and Linked Data},
author = {Leon Derczynski and Isabelle Augenstein and Kalina Bontcheva},
journal= {arXiv preprint arXiv:1511.03088},
year = {2015}
}
备注
Paper in ACL anthology: https://aclweb.org/anthology/W/W15/W15-4306.bib